Понятия со словосочетанием «нормальное распределение»
Многоме́рное норма́льное распределе́ние (или многоме́рное га́уссовское распределе́ние) в теории вероятностей — это обобщение одномерного нормального распределения. Случайный вектор, имеющий многомерное нормальное распределение, называется гауссовским вектором.
'
Обобщённое нормальное (обобщённое гауссовское) распределение' есть одно из двух параметрических семейств абсолютно непрерывных вероятностных распределений на действительной прямой. Два подхода к определению данного семейства распределений обозначаются далее как «подход 1» и «подход 2». Однако данные наименования не являются общепринятыми.
Связанные понятия
Количество степеней свободы — это количество значений в итоговом вычислении статистики, способных варьироваться. Иными словами, количество степеней свободы показывает размерность вектора из случайных величин, количество «свободных» величин, необходимых для того, чтобы полностью определить вектор.
В теории вероятностей случайная величина имеет дискретное равномерное распределение, если она принимает конечное число значений с равными вероятностями.
Подробнее: Дискретное равномерное распределение
Коэффицие́нт асимметри́и в теории вероятностей — величина, характеризующая асимметрию распределения данной случайной величины.
Ковариацио́нная ма́трица (или ма́трица ковариа́ций) в теории вероятностей — это матрица, составленная из попарных ковариаций элементов одного или двух случайных векторов.
Ковариа́ция (корреляционный момент, ковариационный момент) — в теории вероятностей и математической статистике мера линейной зависимости двух случайных величин.
Коэффицие́нт эксце́сса (коэффициент островершинности) в теории вероятностей — мера остроты пика распределения случайной величины.
Усло́вное распределе́ние в теории вероятностей — это распределение случайной величины при условии, что другая случайная величина принимает определённое значение.
Неравенство Берри — Эссеена — неравенство, позволяющее оценить скорость сходимости суммы независимых случайных величин к случайной величине с нормальным распределением. Сам факт подобной сходимости носит в теории вероятностей название центральной предельной теоремы. Это неравенство было независимо выведено Эндрю Берри в 1941 и Карлом-Густавом Эссееном в 1942 годах.
Логарифмическое распределение в теории вероятностей — класс дискретных распределений. Логарифмическое распределение используется в различных приложениях, включая математическую генетику и физику.
Кванти́ли распределе́ния хи-квадра́т — числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов, проверка статистических гипотез и непараметрическое оценивание.
Теоре́ма Лебе́га о мажори́руемой сходи́мости в функциональном анализе, теории вероятностей и смежных дисциплинах — это теорема, утверждающая, что если сходящаяся почти всюду последовательность измеримых функций может быть ограничена по модулю сверху интегрируемой функцией, то все члены последовательности, а также предельная функция тоже интегрируемы. Более того, интеграл последовательности сходится к интегралу её предела.
Нера́венство Ма́ркова в теории вероятностей даёт оценку вероятности, что случайная величина превзойдёт по модулю фиксированную положительную константу, в терминах её математического ожидания. Хотя получаемая оценка обычно груба, она позволяет получить определённое представление о распределении, когда последнее не известно явным образом.
Сходи́мость по ме́ре (по вероя́тности) в функциональном анализе, теории вероятностей и смежных дисциплинах — это вид сходимости измеримых функций (случайных величин), заданных на пространстве с мерой (вероятностном пространстве).
Теорема Хольмгрена — теорема о единственности решения задачи Коши для дифференциального уравнения с частными производными в случае аналитичности коэффициентов дифференциального оператора.
Информационное неравенство (математическая статистика) — неравенство для несмещённой оценки с локально минимальной дисперсией, задающее нижнюю границу для величины дисперсии этой оценки. Играет важную роль в теории асимптотически эффективных оценок.
Ме́тод обра́тного преобразова́ния (Преобразование Н. В. Смирнова) — способ генерации случайных величин с заданной функцией распределения, путём модификации работы генератора равномерно распределённых чисел.
Характеристи́ческая фу́нкция случа́йной величины́ — один из способов задания распределения. Характеристические функции могут быть удобнее в тех случаях, когда, например, плотность или функция распределения имеют очень сложный вид. Также характеристические функции являются удобным инструментом для изучения вопросов слабой сходимости (сходимости по распределению). В теорию характеристических функций внесли большой вклад Ю.В. Линник, И.В. Островский, С.Р. Рао, Б. Рамачандран.
Формула Вика — формула теории вероятностей, выражающая математическое ожидание многочлена от координат гауссовского вектора через элементы матрицы ковариаций. Одним из её применений является связь между средним значением полинома от следов степеней случайной матрицы большого размера и родами поверхностей, получаемыми склейкой заданных многоугольников при различных отождествлениях сторон.
Важнейшими с точки зрения приложений характеристических функций к выводу асимптотических формул теории вероятностей являются две предельные теоремы — прямая и обратная. Эти теоремы устанавливают, что соответствие, существующее между функциями распределения и характеристическими функциями, не только взаимно однозначно, но и непрерывно.
Подробнее: Прямая и обратная предельная теорема
Фу́нкция распределе́ния в теории вероятностей — функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х — произвольное действительное число. При соблюдении известных условий (см. ниже) полностью определяет случайную величину.
В статистике, дельта-методом называется результат, описывающий вероятностное распределение функции от асимптотически нормальной статистической оценки при известной асимптотической дисперсии этой оценки.
Подробнее: Дельта-метод
Тождество Вальда определяет формулу для вычисления математического ожидания для случайных сумм.
Коэффицие́нт масшта́ба — это параметр вероятностного распределения. Физически конкретное значение данного параметра может быть связано с выбором шкалы измерения.
Скорость сходимости является основной характеристикой численных методов решения уравнений и оптимизации.
Интеграл Лебе́га — это обобщение интеграла Римана на более широкий класс функций.
В статистике метод оценки с помощью апостериорного максимума (MAP) тесно связан с методом максимального правдоподобия (ML), но дополнительно при оптимизации использует априорное распределение величины, которую оценивает.
Подробнее: Оценка апостериорного максимума
Стохастическая аппроксимация — рекуррентный метод построения состоятельной последовательности оценок решений уравнений регрессии и экстремумов функций регрессии в задачах непараметрического оценивания. В биологии, химии, медицине используется для анализа результатов опытов. В теории автоматического управления применяется как средство решения задач распознавания, идентификации, обучения и адаптации.
Функция концентрации (англ. concentration function) в теории вероятностей — одна из характеристик случайной величины. Функции концентрации используются в ряде задач теории вероятностей, в частности, при исследовании свойств свёрток распределений и предельных свойств сумм независимых случайных величин.
Теорема о разностях — теорема, связывающая понятия производной и прямой конечной разности высших порядков для степенной функции натурального показателя степени.
Бесконе́чно дели́мое распределе́ние в теории вероятностей — распределение случайной величины такой, что она может быть представлена в виде произвольного количества независимых, одинаково распределённых слагаемых.
Слабая сходимость в функциональном анализе — вид сходимости в топологических векторных пространствах.
Теорема об огибающей (англ. envelope theorem) — результат о дифференцируемости целевой функции в оптимизационных задачах с параметром. Теорема гласит, что при варьировании значения параметра, изменение целевой функции (в определённом смысле) не обусловлено изменением оптимума. Теорема важна для сравнительной статики в оптимизационных моделях.
В теории вероятностей и статистике, о наборе случайных величин говорят, что они являются независимыми (и) одинаково распределёнными, если каждая из них имеет такое же распределение, что и другие, и все величины являются независимыми в совокупности. Фраза «независимые одинаково распределённые» часто сокращается аббревиатурой i.i.d. (от англ. independent and identically-distributed), иногда — «н.о.р».
Подробнее: Независимые одинаково распределённые случайные величины
Выборочная дисперсия в математической статистике — это оценка теоретической дисперсии распределения, рассчитанная на основе данных выборки. Виды выборочных дисперсий...
Полунепреры́вность в математическом анализе — это свойство функции более слабое, чем непрерывность. Функция полунепрерывна снизу в точке, если значения функции в близких точках не сильно меньше значения функции в ней. Функция полунепрерывна сверху в точке, если значения функции в близких точках не сильно превышают значения функции в ней.
Подробнее: Полунепрерывная функция